基于卷积神经网络的开关柜故障率预测方法

• 作者: 张宇 焦夏男 熊俊 郑佳滨 马书恒 黄雪莜
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 故障率 预测 卷积神经网络 深度学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 理论研究
• 页码范围: 21-24
• 页数: 4页
• 分类号: TM591
• 字数: 3731字
• 语种: 中文
• DOI: 10.19768/j.cnki.dgjs.2020.05.009

摘要

开关柜设备对于配电网的稳定运行至关重要,评估其在发生不同类型绝缘缺陷情况下的故障概率,可更好地对设备状态及配电系统运行进行安全风险评估,制定合理的状态检修策略.利用配电站开关柜现场带电检测采集的大量局部放电检测数据和故障案例,提出一种基于卷积神经网络深度学习的开关柜设备故障率计算方法.该方法通过设计缺陷分类模块和故障二分类模块,利用多层卷积神经网络实现对每种缺陷类型的故障概率计算.与其他分类模型对比表明,该模型概率计算结果具有较高的准确性.该方法能对开关柜设备缺陷的严重程度和故障概率进行有效评估,在工程上具有较高的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊俊		6	112	5.0	6.0
2	张宇		5	3	1.0	1.0
3	黄雪莜		1	0	0.0	0.0
4	马书恒		1	0	0.0	0.0
5	焦夏男		1	0	0.0	0.0
6	郑佳滨		1	0	0.0	0.0